![](/img/trans.png)
[英]Fastest Way to fill values of a dataframe using .loc from another multi-indexed dataframe
[英]Copying values from one dataframe slice to another: are slices from multi-indexed pandas dataframes using `IndexSlice` always ordered consistently?
假设我有一个多索引 dataframe 如下:
import numpy as np
import pandas as pd
arrays = [
["bar", "bar", "baz", "baz", "foo", "foo", "qux", "qux"],
["one", "two", "one", "two", "one", "two", "one", "two"],
]
tuples = list(zip(*arrays))
index = pd.MultiIndex.from_tuples(tuples, names=["first", "second"])
data = np.array([
[1, 2],
[3, 4],
[5, 6],
[7, 8],
[9, 10],
[11, 12],
[13, 14],
[15, 16],
])
df = pd.DataFrame(data, index=index, columns=('a', 'b'))
看起来像这样:
a b
first second
bar one 1 2
two 3 4
baz one 5 6
two 7 8
foo one 9 10
two 11 12
qux one 13 14
two 15 16
我想将第一个索引级别bar
的列a
的值复制到第一个索引级别qux
的同一列中,在索引的第二个级别(这里称为second
)上对齐。 换句话说,我想从上面的一个中获得以下 dataframe :
a b
first second
bar one 1 2
two 3 4
baz one 5 6
two 7 8
foo one 9 10
two 11 12
qux one 1 14 # <-- column a changed to match first = bar for second = one
two 3 16 # <-- column a changed to match first = bar for second = two
我理解基于对这个问题的回答,我可以通过将pd.IndexSlice
与.loc
和.values
结合使用来完成此操作,如下所示:
df.loc[pd.IndexSlice['qux', :], 'a'] = df.loc[pd.IndexSlice['bar', :], 'a'].values
我不直观地喜欢这个(也许/可能是不合理的),因为我不清楚这些值是否总是在第二个索引级别上对齐:
我可以保证上述分配(使用.values
访问)将始终在多索引的第二级对齐吗?
如果没有,有没有办法实现我想要实现的目标?
不,它不会对齐,因为通过使用.value
(顺便说一下,不推荐使用.to_numpy()
),它返回底层 numpy 数组,删除所有索引/列信息,所以 alignment 不是可能的。
这是保留 alignment 的一种解决方案:
df.loc['qux', 'a'] = df.loc['qux', 'a'].index.map(df.loc['bar', 'a'].to_dict())```
Output:
>>> df
a b
first second
bar two 1.0 2
one 3.0 4
baz one 5.0 6
two 7.0 8
foo one 9.0 10
two 11.0 12
qux one 3.0 14
two 1.0 16
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.